Ju-Young盟TY -非盟的Shin - Ro Yonghun AU - Cha, Joo-Wan AU -金,Kyu-Rang盟——哈,Jong-Chul PY - 2019 DA - 2019/10/07 TI -评估的适用性随机森林,随机梯度增加模型,和极端学习机方法定量降水雷达数据的估计:一个案例研究Gwangdeoksan雷达,2018年韩国、SP - 6542410六世- 2019 AB -机器学习算法应做定量降水估计模型的雨中使用雷达数据在韩国,因为这样的应用程序可以提供一个更准确的估计的降雨量比传统的ZR关系模型。随机森林的适用性,随机梯度增强模型,和极端学习机方法定量降水估算模型研究使用案例研究和极化Gwangdeoksan雷达站的雷达数据。输入变量集的各种组合进行了测试,结果表明,机器学习算法可以应用于构建的定量降水估计模型在韩国极化雷达数据。机器上优于定量降水估计的模型得出的表演比ZR特性模型,特别是强降雨事件。极端的学习机器被认为是最好的算法基于评估标准。SN - 1687 - 9309 UR - https://doi.org/10.1155/2019/6542410 - 10.1155 / 2019/6542410摩根富林明的进步气象学PB - Hindawi KW - ER